PENDAHULUAN
Hasanuddin
Makassar
sebagai
wadah
untuk
mentransformasikan
Teknik Kendali dengan topik khusus Sistem Kendali Adaptif. Dalam perkembangan
selanjutnya kami tertantang untuk mengembangkan kuliah ini sebagai bahan penelitian
untuk selanjutnya melibatkan mahasiswa melalui penyelesaian skripsi.
1.2. Tujuan dan Manfaat Penelitian
Penelitian mempunyai tujuan khusus, tujuan umum, serta manfaat atau tujuan jangka
panjang sebagai berikut:
Tujuan Umum:
Meningkatkan keahlian
civitas
academica
dalam
proses yang tak linier dan memungkinkan dikendalikan dengan sistem kendali adaptif
dengan implementasi yang layak dan tidak terlalu mahal.
Hasil penelitian ini secara tidak langsung akan bermanfaat bagi peningkatan
kualitas proses belajar mengajar dimana Sistem Kendali Adaptif dapat dikembangkan
menjadi kuliah yang berorientasi pada pengembangan keahlian dan kompetensi
mahasiswa. Mahasiswa yang mempunyai jiwa kewirausahawan akan mempunyai bekal
dalam melihat problem nyata dalam masyarakat serta turut serta dalam pembangunan
nasional. Namun perlu ditekankan, penajaman visi pemerintah dan komitmen bangsa
adalah kunci sukses mereka dalam berbaur dalam masyarakat yang diidamkan.
BAB 2
TINJAUAN PUSTAKA
Beberapa bahan pustaka yang kami gunakan sebagai bahan acuan merupakan
artikel-artikel internasional [1,2,6,7,8,11,14,15,19] yang membahas tentang perkembangan
metodologi kendali adaptif. Pustaka yang lain berupa buku-buku referensi [9,13,18] yang
sangat relevan dan membahas prinsip-prinsip fundamental tentang sistem kendali adaptif.
Dari pustaka-pustaka tersebut maka kami dapat memberikan gambaran singkat tentang
sistem kendali adaptif seperti dibahas pada bagian-bagian berikut.
2.1. Ragam Metode Perancangan Kendali Adaptif
Pada dasarnya kendali adaptif adalah kendali tak linier, sehingga banyak digunakan
untuk mengendalikan sistem-sistem tak linier [4,11,13,18,19,21]. Dalam aplikasi industri
ada tiga buah model struktur kendali adaptif yang paling banyak digunakan, yaitu:
-
digunakan dalam industri pengolahan dan manufaktur. Kendali ini bekerja dengan
mengadaptasi gain kendali sesuai dengan perubahan kondisi operasi suatu proses di
industri. Kendali ini juga telah digunakan pada kendali penerbangan dimana gain kendali
berubah sesuai perubahan kondisi terbang. (Perhatikan Gambar 2.1).
Jadwal
Gain
Parameter
Pengendali
Kondisi
Operasi
Sinyal
Komando
Pengendali
Sinyal
Kendali
Kendalian
Output
Pada kasus ini proses kendalian umumnya mempunyai karakteristik yang buruk seperti
tanggapan yang lambat dan kestabilan yang kurang mantap. Selain itu karakteristik proses
kendalian sering berubah-ubah bahkan terkadang menuju kondisis operasi yang tidak
stabil. Oleh karena itu kendali AMA dirancang agar proses kendalian mengikuti perilaku
model acuan yang mempunyai tanggapan yang lebih cepat dan kestabilan yang lebih
mantap. (Perhatikan Gambar 2.2).
ym
Model
Acuan
Mekanisme
Pengaturan
Parameter
Pengendali
uc
Pengendali
Sinyal
Kendali
Kendalian
Parameter Proses
Perancangan
Pengendali
Estimasi
Parameter
Pengendali
uc
Pengendali
u
Sinyal
Kendali
y
Kendalian
Operational
Operational
Transconductance
Transconductance
Amplifier
Amplifier (OTA)
(OTA)
Software
Hardware
Standard
Standard
Logic
Logic Devices
Devices
(IC
54xx,74xx)
(IC 54xx,74xx)
ASIC
ASIC
Programmable
Programmable
Logic
Logic Device
Device
(CPLD
/
(CPLD / FPGA)
FPGA)
Personal
Personal
Computer
Computer
(PC
(PC))
Embedded
Embedded
Computer
Computer
(MicroController)
(MicroController)
Kontroller Adaptif ABB tipe STAR1, STAR2 dan STAR3, dikembangkan oleh Asea
Brown Boveri.
BAB 3
METODOLOGI PENELITIAN
Studi Literatur
Verifikasi dengan
Simulasi Komputer
Masih ada
kesalahan
Sukses
Penetapan Model Matematis
Sistem Kendali Adaptif
Optimasi
Masih ada
kekurangan
Implementasi
Perangkat Elektronik Digital
Masih ada
kesalahan
Masih ada
kesalahan
Sukses
Bangun
Kesimpulan
tahap ini, terdapat dua buah jalur umpanbalik yang dipertimbangkan dengan tujuan untuk
mengevaluasi perkembangan penelitian.
Setelah testing rangkaian telah dilalui dengan baik, maka tibalah saatnya untuk
menjalani tahap penerapan pada proses kendalian tak linier. Penerapan ini merupakan
tahap akhir dari pembuktian teori secara praktis. Bila tahap ini dilalui dengan baik maka
kesimpulan akan dibangun untuk memberikan gambaran kuantitatif dan kualitatif terhadap
hasil penelitian.
3.2. Desain Kendalian Tak Linier
3.2.1. Pemodelan Sistem Pengatur Suhu Ruang
Pengatur suhu adalah suatu alat yang mampu mengubah besaran suhu menjadi
besaran listrik, baik berupa tegangan dan arus. Dari besaran tegangan ataupun arus inilah
yang nantinya akan dimanipulasi sehingga suhu dapat dibaca.
A. Model Fisik
Model fisik adalah deskripsi fisik dari karakteristik suatu sistem. Adapun model
fisik sistem ini :
R e la y
Fan
Vr
K o m p a ra to r
Ruangan
Suhu
<0
H e a te r
P e n y id ik S u h u
R uangan
>0
K e n d a lia n
10
B. Model Matematik
Model matematika terdiri dari simbol-simbol dan persamaan matematik untuk
menggambarkan sistem. Model diagram sistem adalah sebagai berikut :
R e la y
u (t)
V r (V o lt)
e (t)
-V
+a
+V
e (t)
u (t)
dt
T(t),C
-b
P e n y id i k
V o (t)
0 .0 1
(3.1a)
(3.1b)
u(t)
T(t)
dt
-b
U(s)
T(s)
Gambar 3.5. Bagan Kotak Sistem Pengatur Suhu Ruang Tanpa Sensor
Nilai variabel dari a, b, v dan v dapat ditentukan dengan cara trial and error ataupun
dengan melalui pengukuran langsung. Apabila keluaran sistem bernilai a menunjukkan
11
bahwa heater on. Namun, bila bernilai b menunjukkan kipas on. Hasil simulasi yang
diharapkan :
t1 t2
UTP
Suhu akhir
T1
T2
LTP
Tergantung V
Suhu awal
T1
T2
y*
m
z
l
Gambar 3.7. Pendulum terbalik yang dipasang pada kereta yang digerakkan oleh motor
( Disalin dari Control System Design, B. Friedland )
Secara ilustratif, suatu pendulum terbalik seperti pada Gambar 3.7, terdiri dari dua bagian
utama yaitu :
a. Kereta beroda yang dapat bergerak ke arah kanan atau ke arah kiri.
12
M
m
Y
Keterangan
Panjang pendulum terbalik
Gaya yang diberikan pada kereta
Posisi sudut pendulum terbalik
Massa kereta
Massa pendulum terbalik
Posisi pendulum terbalik pada bidang vertikal
Satuan
Meter
Newton
Radian
Kilogram
Kilogram
Meter
Sifat fisis pendulum terbalik itu akan jelas bilamana kereta diberi gaya dorong
sebesar F, sehingga akan timbul gerakan pada kereta bersama-sama dengan pendulum itu
sendiri. Dengan demikian terjadi proses pergerakan yang mendorong pendulum untuk
bergerak ke arah kiri kemudian ke kanan sebelum pada akhirnya mencapai titik
keseimbangan yaitu diambil pada saat pendulum berada pada posisi vertikal.
A. Model Fisik
Model fisik adalah deskripsi fisik dari karakteristik suatu sistem. Model fisik
pendulum terbalik dapat diturunkan berdasarkan prinsip-prinsip mekanika. Sebagaimana
terlihat pada Gambar 3.7, sasaran pengendalian adalah menjaga pendulum tersebut dalam
posisi vertikal. Pendulum sebetulnya tidak stabil dan mungkin jatuh ke segala arah. Tetapi
dalam hal ini untuk penyederhanaan, gerak pendulum hanya dibatasi dalam dua dimensi
sehingga pendulum terbalik tersebut bergerak pada dua arah derajat kebebasan yaitu gerak
kereta ke kiri ( y negatif ) dan bergerak ke kanan ( y positif ), serta gerak pendulum ke kiri
( negatif ) dan ke kanan ( positif ).
Jika pada kereta yang dimaksud kita beri gaya sebesar F, maka akan timbul energi
kinetik pada kereta dan sekaligus pada pendulum itu sendiri. Kereta hanya bergerak ke
arah horisontal, sehingga energi kinetik kereta (T1) adalah
T1
dimana
1
M y2
2
(3.1c)
adalah kecepatan perpindahan massa kereta. Karena pendulum itu sendiri dapat
bergerak horisontal dan vertikal, maka energi kinetik pada pendulum terbalik (T2) adalah :
13
1
T2 m( y 2 z 2 )
2
dimana
(3.1d)
dan z adalah perpindahan ketinggian vertikal pendulum terbalik terhadap waktu dengan
y dan z masing-masing adalah:
y y sin
(3.2a)
z cos
Dengan demikian kecepatan gerakan horisontal pendulum pada posisi dan kecepatan
ketinggian vertikal pendulum adalah:
(3.2b)
y y cos
z sin
Jumlah total energi kinetik adalah:
T T1 T2
1
1
M y 2 m y 2 z 2
2
2
1
1
M y 2 m(( y cos ) 2 ( sin ) 2 )
2
2
1
1
2
M y m( y 2 y cos 2 (cos 2 sin 2 ))
2
2
1
1
M y m( y 2 y cos 2 2 )
2
2
(3.3)
(3.4)
B. Model Matematik
Deskripsi matematik dari karakteristik suatu sistem disebut model matematik.
Model matematika terdiri dari simbol-simbol dan persamaan matematika untuk
menggambarkan sistem.
Guna mendapatkan model matematik untuk model dari sistem pendulum terbalik
dapat digunakan persamaan Lagrange untuk gerak mekanik
14
dimana
L T V
L = Fungsi Lagrangian
T = Energi Kinetik
V = Energi Potensial
Dengan menggunakan persamaan (3.3) dan (3.4) diperoleh fungsi Lagrange berikut:
L T V
1
1
M y 2 m( y 2 2 y cos 2 2 ) mg cos
2
2
1 2
1
y M m m2 2 m y cos mg cos
2
2
(3.5)
d L L
F
dt y y
(3.6)
0
dt
(3.7)
M m y m cos
y
L
0
y
L
2
y
cos
L
mg sin m y sin
d
M m y m cos 0 F
dt
M m y m cos sin F
15
(3.8)
2
m
y
cos
mg
sin
y
sin 0
Dengan mengacu pada model matematika yang diuraikan pada sub bab sebelumnya
d
dt
u (t ) F
Isyarat keluaran
1(ty ) y
y(t)
( 2 ty )
x1 t
x t
2
Penunjukan peubah keadaan x t
x3 t
x 4 t
Penunjuk peubah keadaan jika dibawa ke dalam bentuk persamaan keadaan, maka ditulis:
x t
y
Dengan memasukkan penunjukan peubah keadaan pada persamaan (3.9) diperoleh:
M m x 3 m
x 4 cos x 2 x 2 sin x 2 u
16
(3.10)
x1 x 3
x2 x4
1
u mg sin 2 x 2 mx 4 sin x 2
2
x3
M m sin 2 x 2
1
1
u cos x 2 mg sin 2 x 2 cos x 2 mx 4 sin 2 x 2 Mg sin x 2 mg sin 3 x 2
2
2
x4
M m sin 2 x 2
3.3. Metode Analisis
(3.11)
17
BAB 4
PEMBAHASAN HASIL PENELITIAN
Pada bagian ini, pembahasan mengenai hasil perancangan sistem kendali adaptif
model acuan untuk kendalian tak linier dibagi ke dalam dua buah model kendalian tak
linier, yaitu sistem pengendalian temperature ruang dan sistem pengendalian kestabilan
pendulum terbalik.
4.1. Sistem Kendali Adaptif Untuk Kendalian Suhu Ruang
Gambar 4.1 mengilustrasikan bentuk fisik sistem Pengatur Suhu Ruang:
= Termometer
= Jendela
Suhu Akhir
Waktu
Ta(oC)
40
34
(detik)
16,41
279
Ta To 40 34
0,366 C
dtk
t
16,41
T Ta 40 34
b o
0,021 C
dtk
t
279
19
Keterangan
Heater on
Fan on
V o (t)
Pada
L u a ra n
P e n y id ik
Vr
V o (0 )
u ( t)
+a
Pada
L u a ra n
R e la y
t
-b
Fan
O N
H e a te r
O N
Gambar 4.2. Diagram Waktu Tegangan Terukur pada Pengendali dan Relay
Dari gambar di atas dapat dilihat bahwa besarnya tegangan keluaran pada relay dapat
dinyatakan melalui persamaan berikut:
UTP = Vr + V
dan
LTP = Vr V
Gambar 4.3 memperlihatkan sebuah model linier kendalian sistem pengatur suhu
ruang. Model tersebut diturunkan dari model pada Gambar 3.4 dengan menggunakan
teknik pendekatan describing function yang secara detil dibahas pada Apendiks A dari
laporan teknis penelitian ini.
V in ( s )
E(s)
-
K
s 1
A c u a n lin ie r
Vo(s)
U(s)
1
s
T(s)
In t e g r a t o r
G a in
0 .0 1
Gambar 4.3. Model simulink perbandingan sistem pengatur suhu ruang untuk model linier
dan nonlinier dari kendalian.
20
Dari diagram model simulink pada Gambar 4.3, model fungsi alih dari model acuan
untuk sistem kendali adaptif diperoleh sebagai berikut:
0.01K
Ym s
0.01K
0.01K 1
s 1 s
U C s 1 0.01K
s 2 s 0.01K s 2 1s 0.01K 1
s 1 s
(4.1a)
Yang dari Gambar 4.3, terlihat bahwa K=1 dan =50. Sehingga (4.1a) dapat ditulis sebagai
Ym s
0.0002
2
U C s s 0.02 s 0.0002
(4.1b)
SUHU (CELCIUS)
100
80
60
40
20
500
1000
1500
2000
2500
3000
500
1000
1500
Waktu (detik)
2000
2500
3000
0.3
0.2
0.1
0
-0.1
-0.2
Gambar 4.4. Hasil simulasi perbandingan output plant (y), dan model acuan (ym) dan error
(e). Pengukuran dilakukan pada output sensor dengan K=1, dan T=80.
Gambar 4.4 menunjukkan hasil simulasi perbandingan model acuan linier dengan
model tak linier pendulum terbalik untuk nilai K=1 dan =80. Sedangkan Gambar 4.5
adalah hasil lain dengan K=1 dan =50. Dari kedua hasil simulasi nampak bahwa model
acual linier dengan =50 lebih memenuhi spesifikasi tanggapan suhu yang diharapkan
karena memiliki riak (overshoot) yang lebih kecil. Pemilihan nilai T dilakukan dengan
eksperimen langsung melalui simulasi Matlab/Simulink.
21
SUHU (CELCIUS)
100
80
60
40
20
500
1000
1500
2000
2500
3000
500
1000
1500
Waktu (detik)
2000
2500
3000
0.2
0.1
0
-0.1
-0.2
Gambar 4.5. Hasil simulasi perbandingan output plant (y), dan model acuan (ym) dan error
(e). Pengukuran dilakukan pada output sensor dengan K=1, dan T=50.
Pada keluaran plant terlihat bahwa a menunjukkan perbandingan interval kenaikan
suhu terhadap waktu ketika heater on dan b menunjukkan perbandingan interval
penurunan suhu terhadap waktu ketika fan on. Dari Tabel 4.1 dapat dilihat T dan t ketika
heater/fan on sehingga diperoleh nilai a = 0,366 dan b = 0,021. Dengan melihat kedua nilai
tersebut dapat disimpulkan bahwa lama waktu kenaikan suhu ketika heater on lebih cepat
daripada penurunan suhu ketika fan on.
Ketidaklinearan on-off dengan histeresis yang terjadi akibat penggunaan relay yang
menghasilkan limit cycle pada kurva keluaran plant. Pada umumnya, sistem kontrol
tidak boleh memiliki perilaku limit cycle, meskipun limit cycle dengan amplitudo
kecil dalam suatu penerapan tertentu. Oleh karena itu, dirancang suatu model acuan yang
menghasilkan keluaran yang stabil.
1 2
e
2
(4.2a)
22
maka cukup beralasan untuk mengubah parameter kendali dalam arah negatif terhadap
gradien J, yaitu,
d
J
e
e
dt
(4.2b)
(4.2c)
Aturan kendali akan dirancang sedemikian sehingga mengikuti model acuan berikut:
d 2 ym
dy
am1 m am 2 ym bmuc
2
dt
dt
(4.2d)
(4.2e)
Seperti pada cara sebelumnya, maka pertama kita akan menurunkan persamaan kesalahan
yang mengandung parameter kendali 1, 2, dan 3 dengan mensubstitusi (4.2e) ke dalam
(4.2c),
e y ym
b1
uc ym
s a1 b 3 s a2 b 2
(4.2f)
23
(4.2g)
b 2 1
e
u
2
s 2 a1 b 3 s a2 b 2 2 c
s 2 a1 b 3 s a 2 b 2
(4.2h)
b 2 1 s
e
u
3
s 2 a1 b 3 s a2 b 2 2 c
s 2 a1 b 3 s a 2 b 2
(4.2i)
Persamaan (4.2l) belum dapat digunakan karena masih mengandung parameter a1, a2,
dan b yang pada dasarnya tidak diketahui secara pasti. Oleh karena diperlukan suatu
pendekatan khusus dengan cara menyisipkan (4.2e) ke dalam (4.2c) serta diikuti dengan
menyamakan nilai masing-masing koefisien dari variabel-variabel persamaan (4.2c) dan
(4.2d). Maka diperoleh bahwa untuk dapat memaksakan model proses dapat mengikuti
model acuan, nilai-nilai parameter kendalinya adalah
bm
b
a
a2
20 m 2
b
a a
30 m1 1
b
10
(4.2j)
(4.2k)
d 1
b
2
dt
s a m1 s a m 2
d 2
b
2
dt
s a m1 s a m 2
d 3
b
2
dt
s a m1 s a m 2
24
u c e
y e
y e
(4.2l)
d 1
dt
d 2
dt
d 3
dt
bm
s2 a s a
m1
m2
bm
s a m1 s a m 2
uc e
y e
(4.2m)
bm
y e
2
s
a
s
a
m1
m2
Gambar 4.6 menunjukkan hasil rancangan arsitektur sistem kendali adaptif model
acuan berbasis teori Lypaunov berdasarkan persamaan aturan adaptasi parameter kendali
(4.2m), model acuan (4.2d) dan persamaan aturan kendali (4.2e).
V in = u i
R e la y
S t r u k t u r K e n d a li
Uc 1Vin 2 u(t) 3 Vo(t)
g
s
g
s
Vr
( V o lt)
u ( t)
e (t
)
+-
+a
+V
-V
e (t)
u (t)
dt
(t),
T
-b
U c=V r
P e n y id ik
V o (t)
g
s
0 .0 1
K e n d a li a n T a k L i n i e r
X
T(s)
1
s
U(s)
E(s)
K
s 1
-+
u (t)
Vo(s)
0 .0 1
G a in
M o d e l A c u a n L in ie r
V in ( s )
+-
E(s)
K
s 1
U(s)
Vo(s)
1
s
T(s)
T(s)
0 .0 1
1
s
U(s)
K
s 1
-+
V o (t)
Vo(s)
0 .0 1
G a in
E(s)
G a in
M o d e l A c u a n L in ie r
M o d e l A c u a n L in ie r
Gambar 4.6. Pemodelan Kendali Adaptif Model Acuan pada sistem kendali suhu ruang
dengan metode gradient.
25
Eror
Output Sensor
kipas berputar).
1
0.5
0
model acuan
dengan kendali
0
0.2
0
-0.2
-0.4
1000
1500
500
1000
1500
2000
2500
3000
3500
4000
4500
5000
3000
3500
4000
4500
5000
3000
3500
4000
4500
5000
3500
4000
4500
5000
2500
10
u & Outrele
Parameter
500
tanpa kendali
teta1
0
1
500
1000
teta2
1500
teta3
2000
2500
0
-1
-2
sinyal kendali
0
500
1000
output rele
1500
Gambar 4.7. Hasil simulasi sistem kendali adaptif model acuan dengan masukan sinyal
tegangan undak 0.8V untuk masing-masing dari atas ke bawah. Sinyal output
kendalian dan model acuan. Sinyal kesalahan kendalian dan model acuan.
Parameter-parameter pengendali. Sinyal kendali dan output rele. (Laju
adaptasi =0.1, kondisi awal parameter pengendali [(0)]=[0,15,0]).
Sistem pengatur suhu ruang menanggapi proses pemanasan dengan cepat, dan
menanggapi proses pendinginan dengan lambat. Hal inilah yang menyebabkan sistem ini
hanya mampu menanggapi dengan baik sinyal komando sinusoidal dengan frekuensi
tertentu. Fenomena ni ditunjukkan pada hasil simulasi Gambar 4.10 dan 4.11.
26
Output Sensor
1
0.5
0
Eror
0.4
tanpa kendali
model acuan
dengan kendali
0
500
1000
1500
0.2
2000
2500
3000
3500
4000
4500
5000
3000
3500
4000
4500
5000
3000
3500
4000
4500
5000
3500
4000
4500
5000
0
20
500
10
u & Outrele
Parameter
-0.2
0
2
1000
teta1
500
1500
teta2
1000
1500
2500
teta3
2000
2500
sinyal kendali
1
0
-1
2000
output rele
0
500
1000
1500
Output Sensor
Gambar 4.8. Hasil simulasi sistem kendali adaptif model acuan seperti pada Gambar 4.7
(Laju adaptasi =0.1, kondisi awal parameter pengendali [(0)]=[17,15,0]).
1
0.5
0
Eror
0.4
500
1500
tanpa kendali
0
0
15
10
5
0
u & Outrele
Parameter
1000
0.2
tanpa kendali
3
2
1
0
-1
500
teta1
teta2
500
sinyal kendali
1000
500
1500
teta3
1000
1500
1000
1500
output rele
Waktu (detik)
Gambar 4.9 Hasil simulasi sistem kendali adaptif model acuan seperti pada Gambar 4.8
dengan rentang waktu yang diperkecil (Laju adaptasi =0.12, kondisi awal
parameter pengendali [(0)]=[17,15,0]).
27
Output Sensor
model acuan
dgn kendali adaptif
0.5
0
0.4
tanpa kendali
0
10000
0.2
Eror
5000
15000
tanpa kendali
u & Outrele
Parameter
-0.2
6
4
5000
5000
10000
15000
10000
15000
10000
15000
2
0
1
sinyal kendali
0
-1
output rele
0
5000
Waktu (detik)
O utp ut S en s o r
Gambar 4.10. Hasil simulasi sistem kendali adaptif model acuan seperti pada Gambar 4.9
dengan tegangan input sinusoidal 10-4 Hz (Laju adaptasi =0.1, kondisi awal
parameter pengendali [(0)]=[4.5,5,0]).
1
tanpa kendali
0.5
0
E ro r
0.5
dgn kendali
adaptif
model acuan
0
2000
4000
6000
8000
10000
12000
40
tanpa kendali
-0.5
0
2000
4000
6000
8000
10000
12000
teta2
20
teta1
teta3
0
0
2000
4000
6000
8000
10000
12000
2000
4000
6000
8000
10000
12000
2000
4000
6000
Waktu (detik)
8000
10000
12000
0
-5
-10
0.4
0.2
0
28
Gambar 4.11. Hasil simulasi sistem kendali adaptif model acuan seperti pada Gambar 4.10
dengan tegangan input sinusoidal 2x10-4 Hz.
4.2. Sistem Kendali Adaptif Untuk Kendalian Pendulum Terbalik
4.2.1. Linierisasi Model Tak Linier ke dalam Bentuk Model Linier
Persamaan (3.11) adalah persamaan non-linier, sehingga prosedur untuk mencari
jawab persoalan yang melibatkan sistem non-linier tersebut sangat kompleks. Oleh sebab
itu untuk menyederhanakan analisis perlu diadakan liniearisasi. Liniearisasi model
matematik non linier adalah penggambaran suatu sistem yang akan membentuk persamaan
matematika non linier menjadi persamaan matematik linier. Liniearisasi dapat dilakukan
dengan beberapa cara, antara lain dengan menganggap bahwa sudutnya () adalah kecil,
dan dengan cara menggunakan deret Taylor.
A. Teknik I
Apabila pendulum terbalik distabilkan dan tidak ada gesekan pada titik tumpu dan
setiap roda kereta, juga sudut adalah kecil, sedemikian rupa maka:
sin x 2 x 2
cos x 2 1
Maka dari persamaan (3.10) diperoleh
M m x 3 m x 4 u
(4.3a)
m x 3 m x 4 mgx 2 0
Dengan mensubtitusikan persamaan (4.3a) diatas, maka diperoleh
u mg
x2
M M
u M m g
x2
x4
M
M
x3
(4.3b)
Dari persamaan (4.3b) akan diperoleh persamaan keadaan yang secara serempak dapat
dinyatakan dalam notasi vektor matriks:
0
0
x1
x
2
x3
x4
0
0
mg
0
M m g
0
M
1 0
0
x1
0 1 0
x2
1
u
0 0
x3 M
1
0 0 x4
M
29
(4.3c)
A 0
0
0
mg
M
M m g
M
1 0
0 1
0 0
0 0
0
0
1
M
1
1 0 0 0
C
0 1 0 0
B. Teknik II
Dari empat persamaan keadaan (3.11) ada dua persamaan dinamik yang non-linier,
yaitu masing-masing
x 3 f x1 , x 2 , x 3 , x 4
x 4 f x1 , x 2 , x 3 , x 4
(4.4a)
Upaya untuk memperoleh pendekatan linier pada sistem non-linier ini dapat
diselesaikan dengan menguraikan persamaan:
dx1
a11 t x1 ...a1k t x k b11 t u1 ...b1k y u1
dt
xk
dx k
a k1 t x1 ...a k k t x k bk1 t u1 ...bk1 t u1
dt
(4.4b)
f 3
f
f
f
x1 x1 3 x 2 x 2 3 x 3 x 3 3 x 4 x 4
x1
x 2
x 3
x 4
f
f 4
f
f
x1 x1 4 x 2 x 2 4 x 3 x 3 4 x x 4 x 4
x1
x 2
x 3
x 4
x 3 f 3 x1 , x 2 , x 3 , x 4
x 4 f 4 x1 , x 2 , x 3 , x 4
(4.5)
30
D x
x D x
x D x
x D x
x 3 x 3 D1 x1 x1 D 2 x 2 x 2 D3 x 3 x 3 D 4 x 4 x 4
x4 x4
(4.6a)
dimana:
*
x 3 f 3 x1 , x 2 , x 3 , x 4
f 3
x1
D1
x 0
x 0
f
D3 3
x3
x 0
f 3
x4
x 0
D4
mg
M
f 4
x1
0
(4.6d)
x 0
x 0
f 4
x 3
x0
f 4
D4
x 4
x 0
D3
u
M
f 4
x 2
D2
(4.6c)
* x4 f 3 ( x1 , x2 , x3 , x4 )
D1
(4.6b)
f 3
x2
D2
u
M
( M m) g
M
(4.6e)
0
x3
u
mg
( x2 )
M
M
x4
(4.6f)
u
( M m) g
( x2 )
M
M
Dari persamaan (4.6) akan diperoleh persamaan keadaan yang secara serentak
dalam notasi vektor matriks dapat dituliskan:
31
0
0
x1
x
2
x 4 0
x3
0
0
mg
M
M m g
M
1 0
0
x1
0 1
0
x2
1
u
0 0
x 3 M
1
0 0 x 4
M
(4.7a)
Dengan demikian, maka dengan cara ini persamaan keadaan untuk model linier
sistem pendulum terbalik dapat diturunkan dengan Teknik Deret Taylor.
Dengan demikian liniearisasi baik dengan cara I maupun cara II telah menghasilkan
model linier sistem pendulum terbalik yang dapat dituliskan sebagai persamaan keadaan
A 0
1 0
0
mg
M
M m g
M
0 1
0 0
0 0
0
0
1
M
1
(4.7b)
1 0 0 0
C
0 1 0 0
4.2.2. Stabilisasi Model Linier Tak Stabil
Dengan parameter-parameter sebagai berikut:
M = 2,4 kg, m = 0,23 kg, = 0,36 m, g = 9,8 m/dtk2
diperoleh nilai untuk peubah-peubah dalam model nonlinier dan linier sistem pendulum
terbalik. Untuk memperoleh suatu model linier yang stabil, maka digunakan umpan-balik
peubah keadaan berupa x1 dengan K1, x2 dengan K2, x3 dengan K3 dan x4 dengan K4.
Dengan matriks K berupa umpan balik dari sistem kalang tertutup, maka diperoleh
bentuk persamaan matriks kalang tertutup (Ac1). Dengan demikian diperoleh persamaan
karakteristik kalang tertutup sistem seperti pada bentuk persamaan (4.8), yaitu :
Q() =
0 0 0
0 0 0 0 0 0
0 0 0
0
0 1 0
0
0 0 1
0 -0,94 0 0
0 29,83 0 0
0
0
[K1 K2 K3 K4]
0,42
-1,16
32
Pada persamaan (4.8), dapat diketahui kestabilan nilai K, dengan menggunakan syarat
kestabilan Routh, dengan cara menyusun koefisien untuk persamaan (4.8), sebagai berikut:
S4 :
-0,42K1+1,16K2 29,83
S3 : -0,42K3+1,16K4
11,44K3
12,13K1
0
11,44K3
S2 : (-0,42K1+1,16K229,83)-
12,13K1
(-0,42K3+1,16K4)
(-0,42K3+1,16K4)12,13K1
S1 : 11,44K3
11,44K3
(-0,42K1+1,16K2-29,83 -
)
-0,42K3+1,16K4
S0 : 12,13K1
Agar stabil, syarat pertama adalah semua koefisien Q() harus bernilai positif:
K1 > 0
K3 >0
K2 > K1 +29,83
K4 > K3
Syarat kedua, kolom pertama dari Tabel Routh harus positif, yaitu
S3 : K4 > 0,42/1,16 K3
S :
11,44K3
< (-0,42K1+1,16K2-29,83)
-0,42K3+1,16K4
(-0,42K3+1,16K4)12,13K1
S1 :
< 11,44K3
12,13K1
(-0,42K1+1,16K2 29,83 -
)
-0,42K3+1,16K4
S0 :
K1 > 0
33
(4.9)
Dengan mensubtitusikan persamaan (4.9) ke persamaan (4.8), maka akan diperoleh nilai
sebagai berikut:
-0,42K3 + 1,16K4 = 21
-0,42K1 + 1,16K2 29,83 = 121.25
11,44K3 = 106
(4.10)
12,13K1 = 25.25
Dengan demikian harga umpan balik keadaan K1, K2, K3, dan K4 adalah sebagai berikut:
K1 = 2,08
K2 = 130,99
K3 = 9,27
K4 = 21,46
Dengan demikian diperoleh tanggapan keluaran dari sistem berupa grafik yang terdiri
dari keluaran berupa posisi kereta, posisi sudut pendulum, kecepatan posisi kereta dan
kecepatan sudut pendulum terbalik.
50
40
30
20
10
0
10
Waktu(detik)
Gambar 4.12. Hasil simulasi model nonlinier pendulum berupa posisi kereta terhadap
masukan tangga satuan tanpa pengendali.
5
4
3
2
1
10
Waktu(detik)
Gambar 4.13. Hasil simulasi model nonlinier pendulum berupa posisi sudut pendulum
terhadap masukan tangga satuan tanpa pengendali.
34
7
6
5
4
3
2
4
5
6
Waktu(detik)
10
Gambar 4.14 Hasil simulasi model nonlinier pendulum berupa kecepatan posisi kereta
terhadap masukan tangga satuan tanpa pengendali.
5
4
3
2
1
4
5
6
Waktu(detik)
10
Gambar 4.15 Hasil simulasi model nonlinier pendulum berupa kecepatan sudut
pendulum terhadap masukan tangga satuan tanpa pengendali.
Pada Gambar 4.12 sampai Gambar 4.15 terlihat, baik itu posisi kereta, posisi sudut
pendulum, kecepatan posisi kereta dan kecepatan sudut pendulum tidak mencapai
kestabilan. Hal ini disebabkan model nonlinier yang dipergunakan pada persamaan 3.11
dan juga tidak memenuhi syarat kestabilan, yaitu terdapat akar persamaan karakteristik di
sebelah kanan bidang kompleks. Oleh karena itu,
menstabilkannya yaitu dengan umpan-balik status. Hasil simulasi terlihat pada Gambar
4.16 sampai Gambar 4.19. Namun demikian dari hasil simulasi, kendali umpanbalik status
(full-state feedback control) tidak dapat menstabilkan sistem non linier dari pendulum
terbalik.
35
500
400
300
200
100
0
10
Waktu(detik)
Gambar 4.16. Hasil simulasi model linier pendulum berupa posisi kereta terhadap
masukan tangga satuan dengan pengendali umpanbalik status.
5
4
3
2
1
10
Waktu(detik)
Gambar 4.17. Hasil simulasi model linier pendulum berupa posisi sudut pendulum
terhadap masukan tangga satuan dengan pengendali umpanbalik status.
100
80
60
40
20
0
10
Waktu(detik)
Gambar 4.18. Hasil simulasi model linier pendulum berupa kecepatan posisi kereta
terhadap masukan tangga satuan dengan pengendali umpanbalik status.
36
40
20
0
-20
-40
10
Waktu(detik)
Gambar 4.19. Hasil simulasi model linier pendulum berupa kecepatan sudut pendulum
terhadap masukan tangga satuan dengan pengendali umpanbalik status.
Ternyata kendali umpan-balik status tidak dapat menstabilkan model nonlinier dari
pendulum, maka dirancanglah suatu mekanisme adaptasi sistem kendali adaptif model
acuan dan dapat dilihat hasil simulasinya pada Gambar 4.21 sampai Gambar 4.24.
4.2.3. Perancangan Aturan Kendali Adaptif Model Acuan
A. Penurunan dari Bentuk Umum Persamaan Ruang Keadaan
Perhatikan model persamaan ruang keadaan proses berikut:
dx
Ax Bu
dt
(4.11)
Diharapkan untuk merancang aturan kendali sehingga model proses mengikuti perilaku
model acuan berikut:
dx m
Ax m B m u c
dt
(4.12)
m 1 m 2 m
(4.13)
Dalam hal ini m = jumlah variabel masukan dan = jumlah variabel keadaan. Selanjutnya
persamaan kesalahan dan turunan persamaan kesalahan ditulis sebagai berikut:
e x xm
de dx dx m
Ax Bu Ax m B m u c
dt dt
dt
37
(4.14)
Dengan menambahkan dan mengurangkan dengan Amx pada sisi kanan persamaan
(4.14) akan diperoleh
de
Am e ( A Am BL) x ( BM B m )u c
dt
Am e ( Ac ( ) Am ) x ( B c ( ) BM )u c
(4.15)
Am e ( )
Untuk memperoleh persamaan ekualitas,
kesamaan mutlak model proses dan model acuan telah dipenuhi. Untuk menurunkan aturan
adaptasi paramater, maka diperkenalkan fungsi Lyapunov berikut:
V (e, )
1 T
(e Pe ( ) T ( ))
2
(4.16)
Matriks P adalah matriks definit positip. Fungsi V adalah fungsi definit positip. Untuk
membuktikan apakah fungsi V pada (4.16) adalah fungsi Lyapunov, maka kita menghitung
total turunan V terhadap waktu. Sehingga diperoleh:
dV
d
e T Qe ( ) T Pe ( ) T
dt
2
dt
(4.17)
T
d
e Qe ( )
T Pe
2
dt
(4.18)
Mengingat kembali teorema Lyapunov bahwa akan selalu dapat ditemukan pasangan
matriks definit positif P dan Q jika matriks Am adalah matriks yang menggambarkan sietem
yang stabil. Apabila dipilih aturan adaptasi parameter kendali menjadi
d
T Pe
dt
(4.19)
dV
e T Qe
dt
2
(4.20)
Persamaan (4.20) menunjukkan bahwa turunan fungsi Lyapunov bersifat negatif semidefinit bukan negatif definit. Berdasarkan teori Lyapunov, hal ini mengimplikasikan bahwa
untuk variabel kesalahan e dan parameter adaptasi (1, 2, , n , n+ ) mesti dibatasi,
38
dimana batasan tersebut menjamin bahwa V(,t) < V(e, 1, 2, , n , n+ ,t) untuk t > 0,
atau fungsi Lyapunov V bersifat positif definit.
B. Penurunan dari Model Linier Pendulum Terbalik
Kendalian tak linier pendulum terbalik, akan dikendalikan oleh kendali adaptif model
acuan yang diturunkan dari model liniernya (Perhatikan Subbab 4.2.1 dan persamaan 4.7).
Dengan memilih secara bebas parameter-parameter kendalian sebagai berikut:
M = 1 kg,
0
0
A
0
m = 0.1 kg,
0
0
0.98
10.78
1
,B
1
0
0
0
= 1 m,
0
0
1
,C
1
0
0
1
0
, K k1
0
0
0
k4
k2
k3
k1
k2
k3
k4
k1
k2
k3
k4
(4.21)
0
1
k1
0.98 k 2
k3
k4
k1
10.78 k 2
k3
k4
Am A BK
, BK
0
0
0
0
(4.22)
(4.23a)
L 2 3 4 5
M 1 ,
(4.23b)
Sehingga
0
0
0
0
BL
3 4 5
2
1 2
1
2
0
0
3
3
0
0
5
0
0
4
4
A BL Ac
0.98 3
10.78 3
0
1
(4.24a)
(4.24b)
Selanjutnya diperoleh:
Ac Am
k1 2
k2 3
k3 4
k4 5
k1 2
k2 3
k3 4
k4 5
(4.25a)
39
0
0
BM Bm Bc Bm
1
0
0
(4.25b)
1 1
1 1
uC ,
1 1
1 1
0
0
0
0
0
0
x1
x
2
k 4 5 x3
k 4 5 x4
0
0
0
0
k1 2 k 2 3 k 3 4
k1 2 k 2 3 k 3 4
(4.26a)
u c 1 u c
x1 k1 x1 2
x 2 k 2 x 2 3
x 3 k 3 x3 4
x 4 k 4 x 4 5
u c 1 u c
x1 k1 x1 2
x 2 k 2 x 2 3
x3 k 3 x3 4
x 4 k 4 x 4 5
(4.26b)
Dengan mengurai kembali persamaan di atas dan dengan mengganti vektor dengan
vektor ( 0), yang mana 0 adalah nilai konvergen dari maka diperoleh:
0
0
0
0
0
0
0
0
uc
uc
x1
x1
x2
x2
x3
x3
1
1
2 2
3 3
x4
x4
4
4
5 5
0
0
0
0
0
0
0
0
0
0
uc
uc
x1 k1
x1 k1
x2 k 2
x2 k 2
x3 k 3
x3 k 3
x4 k 4
x4 k 4
(4.27)
Persamaan di atas dapat diringkas dalam bentuk persamaan berikut:
(4.28)
de
Am e a
dt
(4.29)
Dan dengan menurunkan kandidat fungsi Lyapunov (4.16) dan turunannya (4.17), maka
persamaan aturan adaptasi parameter kendali (4.19) diperoleh menjadi
0
0
d
T Pe 0
dt
0
0
0
0
0
0
0
uc
x1
x2
x3
x4
uc
x1
x2
x3
x 4
40
p1
p
5
p8
p10
p5
p2
p6
p9
p8
p6
p3
p7
p10
p9
p7
p4
e1
e
2
e3
e4
(4.30)
Matriks P adalah matriks positif definit yang diperoleh seperti pada (4.18). Jadi aturan
adaptasi parameter-parameter kendali adalah:
u c p6 p9
u c p8 p10
x p p x p p
1
8
10
1
6
9
d
x 2 p8 p10 x 2 p 6 p9
dt
x3 p8 p10 x3 p 6 p9
x 4 p8 p10 x 4 p 6 p9
u c p3 p 7
x1 p3 p 7
x 2 p3 p 7
x3 p 3 p 7
x 4 p3 p 7
x' = Ax+Bu
y = Cx+Du
Signal
Generator
u c p7 p4
x1 p 7 p 4
x2 p7 p4
x3 p 7 p 4
x 4 p 7 p 4
e1
e
2
e3
e4
(4.31)
Demux
Scope
Model Acuan
Product4
p7-p4
Product
e4
Gain
p3-p7
Scope1
Gain1
Product1
p6-p9
Gain2
Product2
G2
G3
G4
G5
G1
g
g
1
s
g
1
s
1
s
1
s
In2
In3
In4
In5
In1
Scope2
e1
Gain3
Product3
-g
1
s
p8-p10
Uc
Scope4
teta1
Scope3
X1
teta2
X2
teta3
X3
teta4
X4
Pendulum
Terbalik
Pendulum
Terbalik Nonlinier
Pole-pole model acuan sebaiknya pada:
-1, -1, -1, -1
teta5
Pengendali
Gambar 4.20. Model simulasi MRAC pada sistem pendulum terbalik dengan teori
Lyapunov.
4.2.4. Hasil Simulasi
Hasil simulasi untuk mengamati kinerja pendulum terbalik yang dikendalikan oleh
kendali adaptif model acuan berbasis teori Lyapunov ditunjukkan pada Gambar 4.214.26.
Simulasi dilakukan dengan mengubah parameter-parameter kendalian dan mengamati
bagaimana kendali adaptif dapat beradaptasi terhadap perubahan tersebut.
41
S in y a l k o m a n d o U c
0.1
0.05
0
-0.05
S in y a l k e n d a li U
-0.1
20
40
60
80
100
120
20
40
60
Waktu (detik)
80
100
120
10
5
0
-5
-10
Gambar 4.21. Hasil simulasi untuk sinyal komando uc dan sinyal kendali u untuk M=1 kg,
m=0.1 kg, g=9.8, l=1m. =6. x2(0)=0.1 rad.
x1,xm1
xm1
x1
0
-1
20
40
60
80
100
x2,xm2
0.1
x3,xm3
20
40
60
80
100
0
0.2
0
120
xm3
x3
0.5
-0.5
x4,xm4
xm2
x2
0
-0.1
120
20
40
60
80
100
120
xm4
x4
-0.2
-0.4
0
20
40
60
waktu (detik)
80
100
120
Gambar 4.22. Peubah keadaan untuk M=1 kg, m=0.1 kg, g=9.8, l=1m. =6. x2(0)=0.1 rad.
42
teta1
teta4
teta3
teta2
20
40
60
80
100
120
00
20
40
60
80
100
120
20
40
60
80
100
120
20
40
60
80
100
120
20
40
60
waktu (detik)
80
100
120
5
0
-5
-5
-10
10 0
0
-10
teta5
00
-10
-20
Gambar 4.23. Parameter pengendali untuk M=1 kg, m=0.1 kg, g=9.8, l=1m. =6.
x2(0)=0.1 rad.
Gambar 4.21 4.23 menunjukkan hasil simulasi untuk nilai-nilai kendalian: M=1 kg,
m=0.1 kg, g=9.8, l=1m. Konstanta laju adaptasi dipilih =6 dan simulasi diawali dengan
nilai awal sudut pendulum sebesar 0.1 rad. Sedangkan Gambar 4.24 4.26 menunjukkan
hasil simulasi untuk nilai-nilai kendalian: M=1 kg, m=0.3 kg, g=9.8, l=0.5m. Konstanta
laju adaptasi dipilih =4 dan simulasi juga diawali dengan nilai awal sudut pendulum
sebesar 0.1 rad. Kedua rangkaian simulasi masing-masing menunjukkan sinyal komando uc
dan tanggapan sinyal kendali u, tanggapan seluruh variabel keadaan, dan parameter
kendali.
Rangkaian hasil simulasi pada Gambar 4.21 4.23 menunjukkan bahwa kendali
adaptif model acuan mampu menstabilkan sistem non linier dari pendulum terbalik. Posisi
pendulum terbalik yang dipasang pada kereta mampu dipertahankan pada posisi tegak.
Kecepatan gerak kereta dan kecepatan gerak pendulum mampu dibawa ke kondisi diam
bila kereta diberi hasutan gaya geser ke kiri dan ke kanan. Selain mampu menstabilkan,
kendali adaptif model acuan berbasis teori Lyapunov juga mampu membuat seluruh
variable keadaan sistem mentracking pergerakan model acuan.
43
S in y a l k o m a n d o U c
0.1
0.05
0
-0.05
S in y a l k e n d a li U
-0.1
20
40
60
80
100
120
20
40
60
Waktu (detik)
80
100
120
3
2
1
0
-1
-2
-3
Gambar 4.24. Hasil simulasi untuk sinyal komando uc dan sinyal kendali u untuk M=1 kg,
m=0.3 kg, g=9.8, l=0.5 m. =4. x2(0)=0.1 rad.
xm1
x1
x1,xm1
1
0
-1
x2,xm2
x3,xm3
40
60
80
100
0
0
20
40
60
80
100
0
0.2
0
120
xm3
x3
0.5
-0.5
120
xm2
x2
0.1
-0.1
x4,xm4
20
20
40
60
80
100
120
xm4
x4
-0.2
-0.4
0
20
40
60
waktu (detik)
44
80
100
120
teta1
Gambar 4.25. Peubah keadaan untuk M=1 kg, m=0.3 kg, g=9.8, l=0.5 m. =4 dan
x2(0)=0.1 rad.
3
2
1
0
20
40
60
80
100
120
20
40
60
80
100
120
20
40
60
80
100
120
-10
00
20
40
60
80
100
120
20
40
60
waktu (detik)
80
100
120
teta2
20
teta5
teta4
teta3
-2
00
-5
0
-5
-5
-10
Gambar 4.26. Parameter pengendali untuk M=1 kg, m=0.3 kg, g=9.8, l=0.5 m. =4.
x2(0)=0.1 rad.
45